光譜分析技術在智能家電中的應用研究

于新洋 唐念行 萬新明 黃橙 官祥臻 滕東暉

1.青島海爾智能技術研發(fā)有限公司 山東青島 266101；2.數(shù)字化家電國家重點實驗室 山東青島 266101；3.海爾數(shù)字科技（青島）有限公司 山東青島 266101

1 引言

光譜分析技術是根據(jù)物質(zhì)的光譜來鑒別物質(zhì)種類并確定它的化學組成和相對含量的一項技術。近十年來，隨著技術的發(fā)展，出現(xiàn)了很多低成本、高度集成的光譜傳感器，為光譜分析技術在家電中的應用創(chuàng)造了條件。這類光譜傳感器一般檢測吸收光譜，利用待測物品對近紅外、可見、紫外等不同波段光的特異性吸收進行定性、定量分析，被應用于水果成熟度分析、食品加工配料控制、藥品真假檢測等環(huán)節(jié)。光譜分析技術具有實時、快速、無損等特點，適合與家電產(chǎn)品進行結合。

目前很多家電廠商開始嘗試將光譜分析技術與家電結合，本文首先介紹光譜分析技術的流程、系統(tǒng)架構，回顧家電行業(yè)對光譜分析技術的應用及概念產(chǎn)品，結合光譜分析技術的特點與典型智能家電的場景應用需求，對智能洗衣機、冰箱、廚電、凈水設備等典型應用場景進行研究分析。

2 光譜分析技術在家電中應用的流程及系統(tǒng)架構

2.1 光譜分析技術在家電中應用的流程

現(xiàn)代光譜分析技術，特別是一些分子吸收光譜分析技術的典型分析流程如圖1所示，包括從上到下的分析模型建立過程和從左到右的樣品分析過程。其中分析模型的建立需要投入大量人力、物力獲取標準樣品的光譜和成分信息[1]。比如要建立衣物材質(zhì)識別的定性識別模型，需要大量已知材質(zhì)的面料作為標準樣品，采集樣品的光譜，光譜預處理后運用化學、計量學方法建立定性分析模型，并對模型進行評價。如果需要定量分析，例如分析混紡面料中不同纖維的比例，還需要大量不同比例混紡面料的標準樣品，建立定量分析模型，并確定光譜與材質(zhì)比例的對應關系。進行樣品分析過程時，使用光譜設備采集未知樣品的光譜，經(jīng)預處理后，再使用事先建立的分析模型計算出樣品種類或者成分含量。光譜分析技術的樣品分析過程方便、快速，整個檢測過程的時間可以短至幾秒鐘，甚至一秒鐘，整個使用過程對普通消費者十分友好。許多光譜分析技術使用間接檢測方式，精度要低于建立分析模型時所輸入成分濃度的測定精度。不過精度的稍微下降對于家用環(huán)境影響不大，而由于便捷性相比傳統(tǒng)理化方法有巨大優(yōu)勢，光譜分析技術在家用領域潛力巨大。

2.2 光譜分析技術在家電中應用的系統(tǒng)架構

光譜分析技術現(xiàn)階段在其他行業(yè)的應用，一般將分析模型放在本地的設備上，每種檢測對象（成分）都需要一套單獨的模型，比如測蘋果糖度和梨的糖度分別使用不同的模型，需要用戶選擇所用的模型。家電應用環(huán)境下，檢測目標很可能多種多樣。比如，冰箱內(nèi)的食材種類豐富，每種食材又需要檢測新鮮度、營養(yǎng)成分等多種參數(shù)，每種參數(shù)都需要一種分析模型。因此將家電聯(lián)網(wǎng)，把大量模型放置在云端是必要的。同一種設備，通過云端算法的更新，可以增加新的檢測功能，對更多參數(shù)進行檢測[2]。近紅外光譜云分析系統(tǒng)架構如圖2所示，主要分為四個部分：設備層、算法層、應用層、通信層。設備層由各種類型的光譜傳感器組成。算法層擁有不同的模塊，比如用于不同檢測場景的分析模型、模型轉移算法等。應用層利用算法層得出的信息做出決策，為用戶提供豐富的服務。通信層高效、安全地傳輸各種信息。

圖1光譜分析技術的流程（包括分析模型建立和樣品分析兩個過程）

圖2 光譜云分析系統(tǒng)架構

目前，在通訊層，已經(jīng)能夠完全滿足家電應用場景的需求。在設備層，光譜檢測裝置的成本已經(jīng)降到了百元量級，多條技術路線都在快速迭代，為其在智能家電中的普及創(chuàng)造了硬件條件。同一種光譜傳感器可以被用在不同的場景中，應用的變化主要發(fā)生在算法層。目前光譜分析技術中的算法部分有大量文獻支持，很多分析模型被其他行業(yè)廣泛應用，比如水果糖度檢測算法、面料成分分析算法、糧食水分檢測算法等等。但是，目前這些算法的應用往往限于專業(yè)領域，分別基于不同設備建立，互相不能轉移，不同用戶建立的模型也不共享。必須改變這一現(xiàn)狀才能在家電領域廣泛應用光譜分析技術。在普適性傳感器的基礎上開發(fā)大量基于不同檢測對象的算法模型，才能促進這一技術的普及。將算法模塊放入云端，算法在使用過程中可以不斷被更新，加入新的分析模型。光譜分析技術應用場景的數(shù)量與分析模型的數(shù)量直接相關，隨著算法模型的增多，新應用場景不斷增多。把分析模型放入云端還有另外的好處，系統(tǒng)的運算能力將有很大提升，可以放入更強大的算法，比如同時區(qū)分樣品種類和某些成分含量的多變量光譜分析法，將光譜傳感器與攝像頭等其他傳感器獲取的不同類型信息進行綜合處理的多模態(tài)融合算法等。家電中的應用場從單一成分的識別逐漸升級到種類與多種成分的同時識別。家電廠商可以從衣物材質(zhì)識別這類單一場景開始，逐漸增加模型數(shù)量，不斷擴展新的應用場景，很多廠商正在進行這類研究。

3 光譜分析技術在家電中的應用及概念產(chǎn)品現(xiàn)狀

家電為消費者提供食材儲藏、衣物清潔等功能，智能化程度越來越高，家電成為家庭健康管理中心、衣物護理中心等概念被不斷提出，光譜分析技術可以解決智能化應用中的很多場景，引起了眾多家電廠商的重視，多家公司都推出了具有單一或者普適性場景的概念產(chǎn)品。

洗衣機方面，Hoover推出了TED檢測裝置，是一種洗衣機的附件，用于檢測衣物的面料材質(zhì)信息，洗衣機根據(jù)識別結果更精確地設定洗衣程序。模塊既可手持，也可以貼在洗衣機外壁[3]。

冰箱方面，消費者十分關注食品安全，也越來越關注是否吃得健康。海爾此前曾展出與以色列Consumer Physics公司聯(lián)合開發(fā)的光譜識別智能冰箱，使用一個微型光譜模塊檢測食物的營養(yǎng)物質(zhì)信息，可以檢測蔬菜、水果及肉類等食物。還可以根據(jù)消費者對當前飲食的需求給出合理化建議。

美的也展出過配備光譜分析技術的智能冰箱實現(xiàn)營養(yǎng)檢測[4]，通過光譜成像模塊，能夠獲取圖像每個點上的光譜信息，獲取數(shù)據(jù)立方，從而得出更準確的識別、檢測結果，并通過冰箱屏幕或者移動端APP展示給用戶。

還有一些公司推出了通用型檢測設備，為整個智慧家庭服務。博西家用電器推出的X-Spect掃描儀[5]，為一款手持近紅外光譜檢測裝置，可以用于檢測衣物，分析衣物材質(zhì)和顏色，或者掃描衣物上的污漬種類，從而向洗衣機發(fā)送推薦的洗滌程序；同時可以檢測食物：檢測冰箱內(nèi)雞蛋的存儲時間，水果的成熟度，幫助管理食材；還可以向烤箱發(fā)送肉的種類信息，幫助烤箱選擇合適的烹飪程序。這款裝置將傳統(tǒng)的手持式光譜檢測設備與家庭的智能中心互聯(lián)，從而實現(xiàn)了更豐富的場景。

綜上，大量家電廠商在嘗試光譜分析技術的應用，但是由于光譜分析技術需要大量的樣本為基礎，以積累足夠多的分析模型，同時受制于光譜傳感器的成本，目前光譜分析技術與家電的結合大多處于研究階段，未能實現(xiàn)大規(guī)模量產(chǎn)。隨著家電智能化的發(fā)展，滿足消費者需求的智能場景亟需挖掘，能夠提供大量檢測數(shù)據(jù)的光譜分析技術，成為智能家電的重要應用方向。

4 光譜分析技術在家電中的應用場景分析

4.1 光譜分析技術在洗衣機中的應用

傳統(tǒng)洗衣機無法自動識別衣物的材質(zhì)，必須由用戶手動選擇，用戶往往需要辨識標簽后決定選擇哪種洗滌程序，比較麻煩，也經(jīng)常發(fā)生選擇錯誤而洗壞衣物的情況。對洗衣機的衣物材質(zhì)進行智能識別，一直是洗衣機行業(yè)希望實現(xiàn)的功能。海爾將RFID技術應用于洗衣機，衣物被投放進洗衣機后，自動識別品牌、面料、顏色、件數(shù)、洗護建議等參數(shù)。但是，很多衣物沒有RFID標簽，限制了這一技術的應用范圍。

光譜分析技術，可以在短時間內(nèi)對衣物的材質(zhì)進行無損識別。已經(jīng)在工業(yè)上被用于紡織物的材質(zhì)識別，不僅僅被用于原材料的定性識別，也被用于生產(chǎn)線的生產(chǎn)監(jiān)控，監(jiān)控布料的含水量，以及混紡面料中不同成分的比例情況。因此，光譜分析技術不僅僅能被用于純面料的識別，對于混紡面料，也有很好的識別能力。

洗衣機對某些特殊污漬，如咖啡漬等污漬的洗滌一直是個難題，普通的洗滌手段很難清洗干凈，需要使用特殊的洗滌程序。光譜分析技術可以識別污漬的類型、臟污程度，從而幫助用戶選擇洗滌程序，減少洗不凈的情況。

目前洗衣機與光譜分析技術結合的場景，自動化程度仍然有待提高，需要用戶操作，使用手持模塊采集信息。未來的應用要求消費者將衣物放入洗衣機后不再需要操作，要達到這一效果，必須將光譜檢測模塊集成到洗衣機中。普通的光譜傳感器每次檢測可以實現(xiàn)對衣物某一位置的成分分析，結合洗衣機的轉動，可以對衣物的不同部位、多件衣物進行材質(zhì)檢測。更進一步，如果采用光譜成像模塊，一次檢測即可獲取桶內(nèi)多件衣物的材質(zhì)信息，整個檢測過程時間更短，減少漏檢的情況。一些廠商正在嘗試使用攝像頭實現(xiàn)初步的智能識別，將攝像頭安裝在門體等位置，提高洗衣機的智能化。普通攝像頭，可以認為是紅、綠、藍三波段成像的光譜成像裝置，信息量有限，使用更多波段的多光譜成像，結合光譜分析技術，可以更準確地識別衣物材質(zhì)、污漬，更有應用前景。

4.2 光譜分析技術在冰箱冷柜中的應用

在消費升級的趨勢下，現(xiàn)代消費者越來越注重食物的情況，比如食物新鮮程度、營養(yǎng)成分與健康的關系，農(nóng)藥殘留情況等。冰箱作為家庭中食物的主要存貯空間，必須在食材的管理中發(fā)揮最重要的作用。食材的管理包括食材種類的識別、食材新鮮程度的識別，甚至包括對食物是否安全，如農(nóng)殘是否超標、抗生素是否超標、是否有非法添加劑等情況的識別。

家電中食材識別應用場景目前以圖像識別為主，兼用RFID、條形碼等方案，多個家電廠商推出了帶攝像頭的冰箱。但使用攝像頭識別率存在瓶頸，用戶體驗需要提升，如果將普通攝像頭，換成光譜成像裝置，提高檢測到的信息量，識別率將會有較大提升。

食材的新鮮度、食品安全往往與成分含量有關系。光譜分析技術在食品成分分析方面的應用已經(jīng)十分豐富，比如近紅外光譜分析技術被大量用于農(nóng)業(yè)、食品行業(yè)，對糧食、飼料的淀粉、脂肪、含水量等信息進行快速分析。應用于水果的成熟度檢測。根據(jù)水果中糖分、酸度等成分的含量對水果進行分級。光譜成像技術用于蔬菜、水果新鮮度的檢測的文獻也十分豐富[6-10]。對于肉類的新鮮度、注水情況、甚至是細菌含量的評估，也有大量文獻支持[11-14]。有了光譜分析技術輔助，冰箱智能化水平可以實現(xiàn)從簡單的食材種類識別、卡路里計算，到進一步新鮮度檢測、成熟度檢測等更多場景。冰箱可以作為家庭健康中心，對于多種食物、成分檢測結果進行綜合分析，給出健康食譜等具有實際意義的建議。

農(nóng)藥殘留等微量成分的檢測也是消費者感興趣的應用。用光譜分析技術檢測農(nóng)藥殘留，有一定理論支持[15]，由于農(nóng)殘含量低，光譜檢測難度較大，拉曼光譜雖可以檢測微量的農(nóng)藥殘留成分[16]，但是還沒有像近紅外光譜傳感器那樣低成本化，近期與冰箱結合的難度較大，還需要等技術的進一步突破。

冰箱內(nèi)的食材多種多樣，位置分散，如果集成普通的單點式光譜傳感器，無法像洗衣機那樣借助轉動對多個樣品進行掃描。應用手持式光譜模塊手動檢測食物是更好的實現(xiàn)方式，手持模塊與冰箱實時通信，接收食材數(shù)據(jù)。如果使用光譜成像裝置，則可以集成到冰箱中，對整個視野范圍內(nèi)食材同時進行檢測。這樣便不再需要消費者手動識別，使用更方便，是優(yōu)于普通單點光譜檢測裝置的實現(xiàn)方式。

冰箱內(nèi)的食材多種多樣，每種食材可能需要檢測新鮮度、營養(yǎng)成分等多種參數(shù)，每種參數(shù)都需要一個分析模型，因此將家電聯(lián)網(wǎng)，把大量模型放置在云端有一定必要性，同一個設備，通過云端算法的更新，可以增加新的檢測功能，對更多參數(shù)進行檢測。

4.3 光譜分析技術在廚房電器中的應用

廚房電器的智能化同樣是未來的趨勢，很多烤箱上安裝了攝像頭，用于監(jiān)控烹飪過程，甚至可以結合圖像識別與人工智能技術，根據(jù)顏色變化，實時監(jiān)控食物的成熟度，調(diào)整溫度、濕度等烹飪條件。將普通攝像頭替換為通道數(shù)更多的光譜成像裝置，可以檢測出更多的成分信息，光譜信息往往攜帶含水量、蛋白質(zhì)變性情況等跟烹飪效果直接相關的信息[17]，可以幫助家電判斷食物等烹飪情況。光譜成像技術與烤箱的結合，可以借鑒攝像頭的安裝方式，在門體或者腔體角落。

還有一些光譜分析技術，利用某些波段的近紅外光，可以獲得幾厘米深度下食材的成分信息。在醫(yī)學上，這一技術用于無創(chuàng)檢測大腦等身體內(nèi)部部位的血氧情況[18]，在農(nóng)業(yè)上，被用于檢測水果內(nèi)部的病變、營養(yǎng)成分[19]。這些技術可以被用來檢測烤肉等烹飪過程中食物內(nèi)部的參數(shù)。這類應用場景往往需要接觸測量，檢測裝置適合與測溫探針等附件結合，實時檢測食材內(nèi)部成分的變化，監(jiān)控烹飪過程，可以幫助智能程序做出響應，改變烹飪條件，使食物內(nèi)外都同樣美味。

除了可以自身集成光譜檢測設備，廚房電器也可以與冰箱等家電互聯(lián)互通，接收冰箱對食物種類、營養(yǎng)成分的檢測結果，智能選擇菜譜，控制烹飪程序。

4.4 光譜分析技術在其他家電中的應用

光譜分析技術也被廣泛用于檢測氣體成分、水質(zhì)，在空調(diào)空氣質(zhì)量控制、凈水器水質(zhì)控制等領域同樣有應用前景。另外身體檢測應用也與家電有可結合點。

空氣的質(zhì)量是用戶關注的重點，用戶對家電的PM2.5、VOC控制功能已有較高接受度，開始關注二氧化碳含量、甲醛含量等更多的空氣質(zhì)量參數(shù)。

光譜分析技術已經(jīng)被用于檢測氣體成分[20]，比如氣相光譜分析技術，這類可以檢測多種成分的技術成本仍然較高，在近期還很難與家電結合。但是檢測特定氣體含量的光譜傳感器成本較低，應用較廣，適合與家電結合。比如大量二氧化碳氣體傳感器使用非分散紅外技術（Non-Dispersive InfraRed，NDIR）利用1～2個通道檢測二氧化碳的含量，適合與新風機或者帶換氣功能的空調(diào)結合，當檢測到二氧化碳含量過高時，自動換氣，保持空氣的清新，避免二氧化碳濃度過高帶來的氣悶、頭昏甚至中毒情況。

消費者對水質(zhì)的要求越來越高，凈水裝置也越來越普及。目前家用水質(zhì)檢測裝置，一般只能檢測TDS參數(shù)等少量參數(shù)。光譜分析技術在環(huán)保等領域已被用于水質(zhì)檢測，也有越來越多小型化的在線檢測模塊出現(xiàn)，開始與家電結合。比如某科技公司推出的為家用環(huán)境研制的在線水質(zhì)監(jiān)測系統(tǒng)，應用紫外吸收光譜檢測總有機碳（Total Organic Carbon, TOC），TOC表征水中有機物總量[21]。也有公司開發(fā)了使用多光譜傳感器的水質(zhì)檢測器，能夠同時完成TOC、化學需氧量（Chemical Oxygen Demand,COD）、色度、濁度和總溶解固體物（Total Dissolved Solids, TDS）等水質(zhì)多參數(shù)的實時快速檢測。可見，通道數(shù)較少，只檢測特定成分的光譜傳感器比檢測能力強的通用檢測模塊更容易降低成本，實現(xiàn)與家電結合。目前的家用水質(zhì)檢測模塊以手持式模塊為主，將在線檢測裝置，集成在凈水等家電中是一個趨勢，在線檢測可以對水質(zhì)進行持續(xù)監(jiān)控，不再需要用戶操作，無感檢測。

人體健康也是家庭應用的關注重點，光譜分析技術可以與部分家電結合，檢測用戶的一些健康狀態(tài)，一些面向機構甚至普通消費者的皮膚檢測裝置，使用了多光譜相機[22]。很多家電的面部識別攝像頭，可以被升級為多光譜相機，結合云端算法，評估皮膚狀態(tài)，給出飲食、運動建議。另外，醫(yī)學檢測也廣泛用光譜分析技術，未來也有可能低成本化，與家電結合。

5 結論

光譜分析技術在智能家電中有很大應用前景，本課題對光譜分析技術與家電結合的典型應用場景進行了分析。光譜分析技術與洗衣機、冰箱、廚電等類別家電可以結合，衣物材質(zhì)識別、食物成分檢測、烹飪過程監(jiān)測等應用場景具有重要用戶價值，硬件和軟件已經(jīng)初步具備應用條件，云分析系統(tǒng)也大大促進技術的普及。以往光譜分析領域的文獻大多關注專業(yè)技術領域的應用，沒有關注消費者在家庭場景中的應用。本課題對光譜分析技術在家電領域的場景分析將為應用規(guī)劃提供依據(jù)，對流程及系統(tǒng)架構的分析將為家電廠商建立實用系統(tǒng)提供依據(jù)，望分析結論可以推動光譜分析技術在家電中的推廣應用。